ComfyUI-OmniVoice-TTS

在 ComfyUI 里拖拽节点，即可克隆声音、生成多语言语音

OmniVoice TTS 是一个为 ComfyUI 设计的自定义节点，提供零样本多语言文本转语音功能，并支持声音克隆、声音设计和多说话人对话。它解决了 ComfyUI 工作流中缺乏高质量语音合成能力的问题，让用户无需编写代码即可在可视化界面中生成语音。核心能力包括：通过短音频样本克隆任意声音，从零设计全新音色，以及创建多角色对话场景。该项目基于 Python 实现，充分利用了 ComfyUI 的节点化架构，使得语音合成可以与其他 AI 功能（如图像生成）无缝集成。作为早期项目，它已获得 527 个星标，显示出社区对 ComfyUI 生态中语音合成功能的强烈需求。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 555

维护状态低维护

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队Saganaki22

所属国家

官网地址https://zhu-han.github.io/omnivoice

GitHubhttps://github.com/Saganaki22/ComfyUI-OmniVoice-TTS

定价模式free

价格说明开源项目，Apache-2.0 许可证，可免费使用和修改，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型comfyui,custom-nodes,text-to-speech,tts,voice-clone,voice-cloning

GitHub 星标★ 555

30天Star增速

HF 下载量

上线时间2026-04-02 00:00:00

最近更新2026-09-19 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

核心亮点

零样本声音克隆，仅需几秒参考音频即可复刻音色
支持多语言 TTS，覆盖主流语言场景
提供多说话人对话生成，适合有声书或播客制作

不足之处

早期项目，文档和示例可能不够完善
依赖 ComfyUI 环境，独立使用受限

适用场景

在 ComfyUI 中为生成的图像或视频添加旁白配音
克隆特定人物声音用于个性化语音助手或内容创作
生成多角色对话用于有声书、动画或游戏配音

替代项目

Coqui TTS、XTTS-v2、Bark

项目介绍

ComfyUI-OmniVoice-TTS 是音频音乐领域的开源项目，由 Saganaki22 开发，是 2026 年新上线的项目。

它收录于音频音乐分类，该分类目前共有 738 个项目，GitHub 星标数为 555。

近 42 天，它的 GitHub 星标从 527 增加到 555，净增 28。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-19。Apache-2.0 许可证，可免费使用和修改，无付费版本。

它主要面向的使用场景是：在ComfyUI中为生成的图像或视频添加旁白配音。同类可对比的替代方案包括 Coqui TTS、XTTS-v2、Bark。

上一篇：qwen3-tts-apple-silicon

下一篇：EDDI